With recent advances in complex network research, many real networks have been shown to possess community structure; in other words, the whole network is composed of several communities. Community structure emerges as the third important characteristic of complex networks, the other properties being small-world and scale-free. In complex networks, the nodes in a community connectclosely with each other, while communities connect sparsely with other communities. Community structure acquires different meanings in different application fields. For example, in a social network, the community represents a group of people closely connected or possessing similar characteristics, while in world-wide-web terminology, a webpage community comprises a set of webpages linked by a common theme. In ۲۰۰۲, NEWMAN and GIRVAN [۱] initiated a new development in complex networks research, i.e., community detection in complex networks. Community detection attempts to gain a meaningful community partition of complex networks by using the information hidden in network topology.





ترجمه



با پیشرفت­های اخیر در پژوهش شبکه­ های پیچیده، نشان داده شده است که بسیاری از شبکه­های حقیقی ساختار اجتماعی دارند؛ به عبارت دیگر، شبکه­ی کلی از چندین اجتماع تشکیل شده است. ساختار اجتماعی به عنوان سومین مشخصه­ی مهم شبکه­های پیچیده پدیدار شد. دیگر مشخصه­ها جامعیت کوچک و بی مقیاسی آن است. در شبکه­های پیچیده، گره­های موجود در یک اجتماع به طور نزدیکی به یکدیگر متصل می­شوند، در حالی که اجتماع­ها به صورت پراکنده­ای به یکدیگر متصلند. ساختار اجتماع در میدان­های کاربردی مختلف معنای متفاوتی به خود می­گیرد. برای مثال، در یک شبکه­ی اجتماعی، اجتماع گروهی از افراد را نشان می­دهد که به طور نزدیکی با یکدیگر ارتباط دارند یا ویژگی­های مشترکی را دارند، در حالیکه در مجموعه اصطلاحات شبکه­ی گسترده جهانی (www)، یک اجتماع صفحه وب از مجموعه­ای از صفحات وب تشکیل شده است که توسط یک موضوع مشترک با هم پیوند دارند. در سال ۲۰۰۲، نیومن و گیروان [۱] توسعه­ی جدیدی در پژوهش­های شبکه­های پیچیده، یعنی آشکارسازی اجتماع در این شبکه­ ها را آغاز کردند.
آشکارسازی اجتماع تلاش می­کند تا از بخش اجتماعی معنادار شبکه­های پیچیده با استفاده از اطلاعات مخفی موجود در توپولوژی شبکه بهره­برداری نماید.